Keras中的model.evaluate()返回什么值?
我的模型有多个密集层的多个输出。我的模型'accuracy'
是编译中的唯一指标。我想知道每个输出的损失和准确性。这是我的代码的一部分。
scores = model.evaluate(X_test, [y_test_one, y_test_two], verbose=1)
当我打印出分数时,这就是结果。
[0.7185557290413819, 0.3189622712272771, 0.39959345855771927, 0.8470299135229717, 0.8016634374641469]
这些数字代表什么?
我是Keras的新手,这可能是一个琐碎的问题。但是,我已经阅读了Keras的文档,但仍不确定。
回答:
引用evaluate()
方法文档:
标量测试损失(如果模型具有单个输出且没有度量标准)或标量列表(如果模型具有多个输出和/或度量标准)。该属性
model.metrics_names
将为您提供标量输出的显示标签。
因此,您可以使用metrics_names
模型的属性来找出这些值分别对应的含义。例如:
from keras import layersfrom keras import models
import numpy as np
input_data = layers.Input(shape=(100,))
out_1 = layers.Dense(1)(input_data)
out_2 = layers.Dense(1)(input_data)
model = models.Model(input_data, [out_1, out_2])
model.compile(loss='mse', optimizer='adam', metrics=['mae'])
print(model.metrics_names)
输出以下内容:
['loss', 'dense_1_loss', 'dense_2_loss', 'dense_1_mean_absolute_error', 'dense_2_mean_absolute_error']
表示您在evaluate
method输出中看到的每个数字分别对应什么。
此外,如果您有许多层,则这些层dense_1
和dense_2
名称可能会有点模棱两可。要解决这种歧义,您可以使用图层的name
参数(不必在所有图层上,而仅在输入和输出图层上)为图层分配名称:
# ...out_1 = layers.Dense(1, name='output_1')(input_data)
out_2 = layers.Dense(1, name='output_2')(input_data)
# ...
print(model.metrics_names)
输出更清晰的描述:
['loss', 'output_1_loss', 'output_2_loss', 'output_1_mean_absolute_error', 'output_2_mean_absolute_error']
以上是 Keras中的model.evaluate()返回什么值? 的全部内容, 来源链接: utcz.com/qa/425237.html